基于改进离散粒子群算法的炼钢连铸最优浇次计划(英文)

提出了浇次数未知的最优浇次计划模型.在分析该模型求解困难的基础上,提出了用伪旅行商表示该模型的方法.针对离散粒子群优化具有收敛速度、精度低,但能充分利用各粒子的局部最优值和全局最优值信息的特点,而序列倒置算子具有收敛速度和精度较高,但学习具有盲目性的特点,结合二者优点,提出了一种基于序列倒置的改进离散粒子群优化算法.实验研究表明,该算法与普通离散粒子群优化算法相比,不论是收敛速度和还是求解精度都有了较大提高.基于该改进算法求解最优浇次计划模型的研究表明:所提伪旅行商问题模型非常适合用于组浇模型描述.

基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型。对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题。针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法。引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模。讨论了这些参数的选择原则,并给出了相应参考选择范围。实验研究表明,所提模型是合适的,所提改进算法是有效的。